在Biopython中有没有使用PhyML和智能模型选择的方法？

Question

现在，我正在寻找在Biopython中使用PhyML和智能模型选择的方法。你知道吗

根据PhyML的官方文献（SMS:Smart Model Selection in PhyML:https://academic.oup.com/mbe/article/34/9/2422/3788860），有模型选择的命令行界面（但是我在任何地方都找不到）。Biopython有一个名为from Bio.Phylo.Applications import PhymlCommandline的模块，可以从python脚本执行PyhML。你知道吗

有没有办法在Python中集成PhymlCommandline和智能模型选择？你知道吗

Answer 1

您可以从ATGC蒙彼利埃生物信息学平台网站的Docs and Materials section下载SMS的源代码。你知道吗

该代码是几个shell脚本的组合，并在后台使用R和PhyML。你知道吗

因此，下载zip文件，解压它，并确保您已经安装了R。你知道吗

$ unzip sms-1.8.1.zip
[...]
$ cd sms-1.8.1
sms-1.8.1 $ R  version
R version 3.5.1 (2018-07-02)   "Feather Spray"

该代码依赖于PhyML来计算可能性分数。PhyML源嵌入到SMS tarball中。需要编译的包：

• 对于Debian:“build essential”

  sudo apt-get install build-essential

• 对于SuSE:'开发基础'

  sudo zypper install type pattern devel_basis

• 对于Red Hat:“C开发工具和库”

  sudo yum -y -v groupinstall "C Development Tools and Libraries"

请注意，目录名中的空格可能会导致问题。现在我们需要构建PhyML源代码。你知道吗

sms-1.8.1 $ make all
[...]

然后使shell脚本可执行。你知道吗

sms-1.8.1 $ chmod +x ./sms.sh

现在可以使用以下命令结构运行SMS

 ./sms.sh -i [input-msa] -d [data-type]

其中：

• [input-msa]是PHYLIP格式的输入数据对齐方式
• [data-type]对于氨基酸数据可以是aa，对于DNA数据可以是nt

可选参数包括：

 -o : Path to the SMS output directory
 -c : Criterion to use 'aic' or 'bic'
 -u : Input tree in Newick format
 -t : Add this option to infer a PhyML tree with selected model
 -s : Type of tree improvement 'NNI' or 'SPR'
 -r : Number of random starting trees
 -b - Branch support (aLRT or bootstrap replicates)
 -h : Prints help

例如，使用The Phylogenetic Handbook中的primatesNT.phy示例文件：

sms-1.8.1 $ ./sms.sh -i primatesNT.phy -d nt -c bic
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
                     Starting SMS v1.8.1
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Input alignment    : primatesNT.phy
Data type          : DNA
Number of taxa     : 21
Number of sites    : 1500
Number of branches : 39
Criterion          : BIC
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Step 1 : Set a fixed topology
        BIC=13172.69687
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Step 2 : Select the best decoration
        BIC=13165.48751 decoration : '+G'
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Step 3 : Select the best matrix
        BIC=13155.36733 matrix : 'HKY85'
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Step 4 : Select the best final decoration
        BIC=13155.36733 decoration : '+G'
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Selected model                          : HKY85 +G
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Substitution model                      : HKY85
Equilibrium frequencies                 : ML optimized
Transition / transversion ratio         : estimated
Proportion of invariable sites          : fixed (0.0)
Number of substitution rate categories  : 4
Gamma shape parameter                   : estimated (0.587)
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Suggested citations:
SMS
 Vincent Lefort, Jean-Emmanuel Longueville, Olivier Gascuel.
 "SMS: Smart Model Selection in PhyML."
 Molecular Biology and Evolution, msx149, 2017.
PhyML
 S. Guindon, JF. Dufayard, V. Lefort, M. Anisimova, W. Hordijk, O. Gascuel
 "New algorithms and methods to estimate maximum-likelihood phylogenies: assessing the performance of PhyML 3.0."
 Systematic Biology. 2010. 59(3):307-321.
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~